[发明专利]一种基于暗通道先验的无人机航拍图像去雾与增强方法

权利要求书

1.一种基于暗通道先验的无人机航拍图像去雾与增强方法，其特征在于，将图像方差和绝对梯度均值相结合，得到权值系数，并利用多重分解形式对边缘像素进行平滑处理；引入卷积神经网络来计算雾霾中的大气透射率；采用暗通道先验算法来增强航空摄影图像的光色差，实现航拍图像的去雾增强。

2.根据权利要求1所述的一种基于暗通道先验的无人机航拍图像去雾与增强方法，其特征在于，具体步骤如下：

步骤一，将图像方差与绝对梯度均值相结合，得到权重系数，并采用多重分解形式在边缘周围平滑像素；

步骤二，引入卷积神经网络来计算雾霾中的大气透射率；

步骤三，将航空图像划分为三个颜色通道，分别由R、G和B描述，并通过改进的暗通道先验算法来估计每个通道的亮度图像，暗通道的计算公式为：

M_Darkchannel＝min_y∈Ω(x)(min_c∈{r,g,b}P(x))

步骤四，利用上述结果获得反射图像，并使其在0～255范围内完成线性拉伸；

步骤五，通过直方图均衡法增强处理后的图像的对比度，从而进一步去除烟雾；

步骤六，统一这三个通道以获得最终处理过的图像。

3.根据权利要求1所述的一种基于暗通道先验的无人机航拍图像去雾与增强方法，其特征在于，步骤一具体如下：

输入图像的加权值及其平均滤波，即滤波输出，公式如下：

输入的噪声图像为P，滤波结果U，平均滤波结果描述为自适应平滑系数描述为κ；表达式如下：

在公式中，描述大于0的常数为c，用于确保除数不等于0，通常为10^-6；非负单调递增函数为f(·)，公式如下：

像素用p描述，梯度欧氏距离为

4.根据权利要求1所述的一种基于暗通道先验的无人机航拍图像去雾与增强方法，其特征在于，步骤二具体如下：

雾图像的退化模型如下：

G＝J(x)·t(x)+P”·(1-v(x))

在上式中，x表示图像中任意像素的坐标点，t(x)表示雾图像，v(x)表示光的透射率，说明了光在雾条件下的透射能力；v(x)值越高，光的传输能力越强，图像越清晰，P”代表大气强度无限大；J(x)是从图像场景中反射出的光的强度；

由雾特征与散射率之间的非线性映射关系推导出如下表达式：

t(x_i)＝f₁(f₂(...f_n(G₁,G₂,...,G_n)))

在上述表达式中，图像x_i的n个退化模型为G_n，未知的非线性关系为f₁,...,f_n，图像x_i的散射率为t(x_i)。